6月14-19日，計算機視覺領域世界三大頂會之一的CVPR 2020將在美國西雅圖舉辦。近日，CVPR官網公佈了本屆大會主題研討會的最終議程，由百度、悉尼科技大學、南開大學等單位共同主辦的Learning from Imperfect Data（LID）研討會將於6月14日召開，相關論文接收及3項頂尖賽事任務目前已正式開放報名，聚焦領域前沿的弱監督學習課題，與會者將進行深入交流與探討。
作為國際計算機視覺與模式識別領域的頂級學術會議，一年一度的CVPR 彙集了世界範圍內的頂尖學者與企業。一直以來百度積極參與各屆CVPR大會，屢屢取得矚目成績，如CVPR 2019中，百度共有17篇論文被收錄，並接連獲得 10 項 CVPR 競賽任務的冠軍，涵蓋視覺領域下的視頻理解與分析、圖像超分辨、智能城市車輛識別等眾多前沿方向。而本屆大會中，由百度主辦的Learning from Imperfect Data研討會正是聚焦當前領域內熱議的弱監督學習，這也是對百度視覺技術實力及前沿探索的極大認可。
弱監督學習，即通過較弱的監督信號來構建預測模型，已成為該領域內的熱門課題。當前，隨著大規模標註數據集的興起和計算機硬件的進步，包括深度卷積神經網絡在內的有監督學習方法為計算機視覺領域帶來了顯著突破。然而在實際工業應用中，無法獲得足夠數量的完美標註數據所帶來的“數據飢渴”問題亟待解決。如何充分利用人工標註信息？如何減小標註工作量，將人類經驗與學習規則充分結合？為解決這一問題，眾多研究者在弱監督學習方法方面做了大量的努力，相關論文在CVPR、ICCV、ECCV、T-IP和T-PAMI等頂級會議和期刊上增長迅猛。
百度組織本次Learning from Imperfect Data研討會，正是希望與頂尖業界和學術界研究者深入交流，共同探討當前建立工業級人工智能系統的方法。
為進一步促進技術交流，從實踐中驗證成果，Learning from Imperfect Data挑戰賽目前已正式開啟。作為國際弱監督學習領域最權威的賽事，本屆挑戰賽分為弱監督語義分割、場景分析、目標定位三個賽道，提供了當前業內類別數目最多的弱監督數據集。比如語義分割任務中ILSVRC DET測試數據的pixel-level的mask，共包含了200類，是目前類別數最多的弱監督物體語義分割的數據集。目標定位任務提供了四萬多張ILSVRC LOC-CLS測試數據的pixel-level mask，並提出了用IoU curve的方式來度量弱監督條件下生成的classi activation map的質量。
值得一提的是，今年組委會針對數據集和推理模型的參數量發佈了兩條規定。
1.參賽團隊只允許使用數據集內的圖像進行訓練，不允許使用任何其他帶有像素級標註的數據集。
2.推理模型的參數量不能超過150M。鼓勵參賽團隊設計一個高效的算法模型，避免簡單進行多模型融合，最終榜單前三的參賽團隊需要提交代碼並由組委會審核。
除難度升級外，百度還將為每個賽道的優勝者提供現金獎勵，提交基於百度深度學習平臺飛槳的推理代碼將獲得額外的現金激勵，鼓勵選手在語義分割任務中使用飛槳PaddleSeg套件工具。飛槳以百度多年的深度學習技術研究和業務應用為基礎，集深度學習核心框架、基礎模型庫、端到端開發套件、工具組件和服務平臺於一體，2016年正式開源，是中國全面開源開放、技術領先、功能完備的產業級深度學習平臺。
期待本屆賽事中湧現出更多優秀的方法，為機器視覺弱監督學習領域研究帶來全新火花！
閱讀更多 砍柴網 的文章
